AI på arbejdspladsen.
Tydeligt indført.
Egnede værktøjer, forståelige regler og ordentlig teknisk integration: DAXS støtter indførelsen af AI på jeres arbejdspladser – afstemt efter opgaver, data og eksisterende systemer.
Hvilket arbejde skal blive lettere?
Forberede tekster, finde information, strukturere møder eller gennemgå et første kodeudkast: AI kan hjælpe med forskellige opgaver på arbejdspladsen. En god indførelse afklarer nytte, tilladte data og ansvarlige personer, før yderligere funktioner får adgang til virksomhedens materiale.
DAXS hjælper med valg af egnede tjenester, teknisk konfiguration, identiteter og rettigheder samt integration i eksisterende arbejdsgange. Det omfatter tydelige anvendelsesregler, sporbare godkendelser og en indførelse, som medarbejderne kan bruge i praksis.
Et godkendt produkt er ikke en blankocheck til alle funktioner.
En almindelig chat, filupload, søgning i virksomhedsdata og en udførende agent har forskellige dataforløb. Godkendelsen bør omfatte den konkrete tjeneste, plan, kontotype og de funktioner, der faktisk bruges.
Produktlogoerne viser værktøjseksempler. Tilgængelige funktioner og kontroller afhænger af det valgte tilbud og dets konfiguration. Andre egnede udbydere eller lokale modeller er fortsat ligeværdige muligheder.
Det eksisterende arbejdsmiljø er en vigtig del af beslutningen.
Vi sammenligner funktioner, integration, databehandling, omkostninger og nødvendig drift. Eksisterende licenser og kompetencer tæller også. En liste med kendte mærker besvarer ikke alene disse spørgsmål.
| Værktøjseksempel | Mulig tilgang | Undersøg konkret |
|---|---|---|
| OpenAI / ChatGPT | Egnede virksomhedsfunktioner, teknisk assistance eller egne applikationer via en API. | Skeln mellem privat konto, virksomhedstilbud og API; afklar dataopbevaring, forbundne tjenester, identiteter og godkendte funktioner. |
| Microsoft Copilot | AI i det eksisterende Microsoft 365-arbejdsmiljø og i egnede virksomhedsapplikationer. | Undersøg konkret Copilot-produkt og licens, SharePoint-/OneDrive-/Teams-adgang, agenter, godkendelser og opbevaring. |
| Google Gemini | Assistance i en egnet Google Workspace-tjeneste eller en anden godkendt tjeneste. | Skeln mellem udgave og konkret funktion, datakilder, kontroller og aftalegrundlag; en Workspace-regel gælder ikke automatisk for alle Gemini-tilbud. |
| Anthropic Claude | Assistance, dokumentbearbejdning eller API-integration efter opgaven. | Undersøg kommercielt eller privat tilbud, kontroller, opbevaring, konnektorer og tilladte data for den konkrete anvendelse. |
| Mistral AI, Meta Llama og andre modeller | Afhængigt af model og tilbud lokal, hostet eller individuelt integreret behandling. | Afklar modellicens, driftsform, kvalitetskrav, driftsindsats og faktiske dataforløb. |
En oplysning om brug til træning besvarer ikke automatisk spørgsmål om lagring, logfiler, region eller forbundne applikationers adgang. Vi undersøger punkterne hver for sig ud fra aktuelle aftale- og produktoplysninger. Ved egen infrastruktur henviser vi til planlægning af lokale LLM.
Hurtigere søgning kan også gøre gamle fejl i delinger mere synlige.
Hvis en mappe eller SharePoint-side er delt for bredt, løser en ny AI-tjeneste ikke problemet af sig selv. Indførelsen begynder derfor med dataansvarlige, gruppemedlemskaber, delingslinks og egnede opbevaringsregler.
I et Microsoft 365-miljø ser vi blandt andet på SharePoint, OneDrive, Teams og de Copilot-funktioner, der faktisk bruges. Eksisterende brugerrettigheder og informationsbeskyttelse påvirker, hvad tjenesten kan finde og anvende. Rettigheder ryddes op før bred anvendelse og kontrolleres derefter regelmæssigt.
- Identiteter: administrerede konti, egnet login, roller og grupper.
- Livscyklus: afbild tiltrædelse, opgaveskift og fratrædelse sporbart.
- Konnektorer og agenter: godkend nødvendige kilder og handlinger særskilt frem for at aktivere alle integrationer generelt.
- Dataområder: identificer særligt beskyttede datasamlinger, og begræns deres tekniske adgangsmuligheder passende.
Medarbejderne har brug for konkrete eksempler til deres daglige arbejde.
Anvendelsesreglerne bør forklare, hvilke opgaver og oplysninger der er tilladt i hvilke funktioner. En praktisk inddeling kan begynde med dataklasser og derefter tilpasses jeres organisation.
Offentlige oplysninger
Bearbejd eksempelvis allerede offentliggjorte produkttekster til et udkast. Også her skal ophavsret, faglig korrekthed og godkendelse til offentliggørelse overholdes.
Interne arbejdsoplysninger
Brug dem kun i tjenester og funktioner, der er godkendt til formålet. Modtagerkreds, lagring og mulig adgang fra forbundne applikationer indgår i beslutningen.
Fortroligt eller særligt beskyttet indhold
Kundedata, aftaleindhold, personaleoplysninger og adgangsoplysninger kræver særskilt vurdering. Nødvendige godkendelser og tekniske veje fastlægges før behandlingen.
En intern retningslinje kan desuden regulere tilladte konti, uploads, resultatkontrol, videregivelse, tilladt automatisering og indberetning af fejl eller uhensigtsmæssige svar. Eksempler fra de faktiske opgaver hjælper mere end en lang liste af abstrakte forbud. Et AI-svar får ikke derved automatisk faglig eller juridisk godkendelse.
Implementer godkendelser sporbart på administrerede enheder.
Afhængigt af den eksisterende platform kan administrerede konti, enheds- og browserkonfigurationer, appgodkendelser, konnektorregler eller egnede netværks- og databeskyttelseskontroller bruges. Hvilke tiltag der er tilgængelige og passende, afhænger af enhedstype, produkt, licens og driftskoncept.
Tekniske begrænsninger understøtter tydelige retningslinjer. De dækker ikke automatisk enhver privat enhed, privat login eller tænkelig videregivelse af data. Derfor forklares tilladte arbejdsveje, og gennemførelsen afstemmes med de ansvarlige parter.
Driftsdata og personrelateret kontrol er forskellige spørgsmål.
Til fejlanalyse og sikkerhed fastlægger vi formålsbestemte data, adgangsberettigede og opbevaringsfrister. Det giver ikke grundlag for generel registrering af alle medarbejderprompts eller en generel overvågningstilladelse. Ledelse, databeskyttelsesansvarlige, ansvarlig juridisk rådgivning og eventuelt medarbejderrepræsentation inddrages tidligt efter tiltagets karakter.
Start med et passende pilotprojekt, og lær af hverdagen.
- Kortlæg opgaver: konkrete arbejdsgange, ønsket nytte og egnede resultater.
- Afklar data og ansvar: kilder, konti, godkendelser og nødvendig faglig afstemning.
- Opsæt teknisk: implementer udvalgte funktioner, identiteter, adgange og driftsregler.
- Oplær praktisk: forklar typiske spørgsmål, grænser, resultatkontrol og indberetningsveje med virkelige opgaver.
- Kontroller og tilpas: følg kvalitet, accept, rettigheder, nye funktioner og løbende omkostninger.
Databeskyttelse, arbejdsret og de relevante krav i AI-forordningen vurderes konkret efter formål, rolle og anvendelse. DAXS varetager den aftalte tekniske gennemførelse og støtter en sporbar indførelse. Faglige og juridiske beslutninger forbliver hos de ansvarlige parter.
Kortlægning af ønsket AI-anvendelse, gennemgang af eksisterende identiteter og datakilder, en afgrænset indførelsesplan og et forståeligt forslag til tekniske tiltag. Eksisterende velfungerende arbejdsgange er fortsat udgangspunktet.
Det afklarer vi i samtalen.
Hvilket AI-værktøj passer til vores virksomhed?
Det afhænger af opgaver, data, eksisterende platforme og nødvendig drift. Vi sammenligner konkrete produkter, udgaver og funktioner. En chattjeneste, en API, et kodeværktøj og en integreret Office-funktion har forskellige krav.
Er et eksisterende Microsoft 365-miljø automatisk klar til Copilot?
Ikke nødvendigvis. Eksisterende adgangsrettigheder, delinger og dokumentsamlinger skal passe til den planlagte brug. Allerede for brede rettigheder kan gøre information lettere tilgængelig for flere. Derfor undersøger vi datagrundlag og faktiske rettigheder.
Hvilke data må medarbejderne indtaste?
Det fastlægges efter formål, beskyttelsesbehov, produkt og godkendt konfiguration. Praktiske dataklasser og eksempler hjælper i den daglige beslutning. Særligt beskyttelseskrævende eller aftalebegrænset indhold kræver særskilt vurdering.
Skal alle arbejdspladsopgaver køre via en lokal AI-server?
Nej. Lokale, eksterne og hybride løsninger er ligeværdige muligheder. Nogle opgaver passer til en eksisterende virksomhedstjeneste, andre til en lokal model eller klassisk automatisering. Nytte, dataforløb og drift er afgørende.
Hvordan indfører vi AI uden at overbelaste hverdagen?
Med få konkrete opgaver, en passende pilotgruppe og forståelige regler. Korte oplæringsforløb, kontrollerbare eksempler og en tydelig kontaktperson støtter brugen. Efter evalueringen udvides funktioner og deltagere trinvis.
En virksomhedskonto kræver tydeligt ansvar.
Personlige konti og et administreret virksomhedsworkspace har forskellige ejer- og administrationsmodeller. Før indførelsen afklarer vi tiltrædelse og fratrædelse, tilladte dataklasser, konnektorer, delinger samt opbevaring og eksport. Ingen brug til modeltræning betyder ikke automatisk ingen lagring. De faktiske aftale- og produktmuligheder undersøges. Interne regler og oplæring forklarer tilladte opgaver, kildekontrol og eskalation; de erstatter ikke tekniske rettigheder. Organisatoriske og juridiske krav afstemmes for den konkrete anvendelse.
Lad os tale om jeres anvendelse.
Hvad skal blive lettere, hvilke data indgår, og hvilke systemer findes allerede? Ud fra det udvikler vi en meningsfuld indgang og et overskueligt næste skridt.